El manejo de grandes volúmenes de datos y la automatización de los procesos de los que son parte, ganan terreno en investigaciones tales como el diseño racional de fármacos. La herramienta KNIME ha surgido para este fin, provocando que el tiempo de trabajo desde el inicio de la manipulación de los datos hasta la obtención de modelos teóricos y el desarrollo de tamizajes virtuales se acorten y simplifiquen. La leishmaniosis, enfermedad de nefastas consecuencias para países en vías de desarrollo, no cuenta con una cura efectiva y segura. Lo anterior, unido a la alta resistencia de los fármacos en uso actual, ha motivado a la comunidad científica a la búsqueda de nuevas entidades moleculares con prometedora actividad antileishmanial. En este trabajo se proponen protocolos KNIME para el desarrollo automatizado de procesos en estudios QSAR. Estos se implementaron para i) selección de las series de modelación y externa, ii) generación de clasificadores como: J48, RandomForest, RandomTree, LMT, NBTree y SimpleCart y SVM y iii) validación de modelos. Los protocolos desarrollados fueron evaluados sobre una base de datos de actividad in vitro antileishmanial. Como resultados se obtuvieron modelos robustos y predictivos, todos con exactitud, sensibilidad y especificidad en el entrenamiento y en la validación superiores al 60%. Esto sugiere que la automatización de estos procesos es posible y que podrían ser usados por otros usuarios para generación de modelos QSAR. El uso de estos protocolos asegura la reproducibilidad de los resultados y la actualización de los modelos cuando nuevas estructuras estén disponibles.